radiologists | BriefGPT - AI 论文速递

关键词radiologists

搜索结果 - 27

多视图乳腺癌分类的超复数神经架构
本文提出一种基于参数化超复数神经网络的多视角乳腺癌分类方法，有效地捕捉乳腺内不同视角的相关性，模拟医生的诊断过程，试验证明该方法在乳腺癌分类中能够显著优于传统的深度学习方法和目前的先进方法。
PDF2 years ago
IAIA-BL: 数字乳腺 X 线摄影乳类病变分类的基于案例的可解释深度学习模型
在这项工作中，我们提出了一个针对乳腺 X 线摄影术的可解释机器学习框架，以预测病变性质并追踪放射科医生的推理过程，同时，我们的算法能够突出显示图像中与分类相关的部分，而其他方法则突出显示健康组织和干扰信息。
PDF3 years ago
VinDr-CXR：放射专家注释的胸部 X 光数据集
本研究介绍了一个包含超过 10 万张胸部 X 射线扫描的数据集，其中 18000 张图像被 17 名经验丰富的放射科医生手动标注，包括 22 个异常部位的局部标签和 6 个可疑疾病的全局标签，该数据集的发布将为胸部异常的检测和定位的机器学习
PDF4 years ago
使用逐渐增长的 GAN 生成的合成胸部 X 射线的临床逼真度评估
提出了一种利用 GAN 进行胸部 X 光图像合成的方法，使用 Frechet Inception 距离量化合成图像的质量，并邀请放射学专家评估其临床真实性和多样性。
PDF4 years ago
CVPR针对多样化 CT 图像的临床显著发现的整体和全面注释：从放射学报告和标签本体学习
该研究使用深度学习和多标签分类方法设计了一个名为 LesaNet 的病变注释网络，它可以准确的为超过 32k 的多样性病变图像进行分类并提取出 171 个精细标签，平均 AUC 达到 0.9344。
PDF5 years ago
多视角深度卷积神经网络实现高分辨率乳腺癌筛查
本文提出了使用多视角深度卷积神经网络处理高分辨率医学影像的方法，通过在大规模乳腺 X 线片筛查中测试，结果表明训练集大小和图像大小对准确预测的影响，模型的性能与放射学家委员会相当。
PDF7 years ago
使用匹配度对肝脏病变进行分类
本文提出了一种用多维持续同调、匹配度量和支持向量机分类肝脏病变的方法，并在 132 个已经被放射科医生勾勒和注释的病变数据集上进行了分类结果的展示。我们发现拓扑特征在肝脏病变分类中是有用的，二维持续同调在此应用中优于一维持续同调。
PDF12 years ago